ChatGPT 与批判性思维训练：学生能获得什么

OpenAI 对 1000 多名学生开展随机研究，考察 ChatGPT 与批判性思维训练在真实大学作业中对学生表现、原创性和思维的影响。

Google ResearchAI 评分3434

Google Research 推出 GlucoFM：面向连续血糖监测的双流基础模型

Google Research 发布 GlucoFM，一个自监督双流基础模型，将血糖的慢变基线趋势与短期波动分离，并保留时间与缺失信息。模型在 109,066 小时无标注 CGM 数据上预训练，覆盖 4 个队列、7 项临床任务共 14 组评估，平均 PR-AUC 比同语料预训练的最佳 GluFormer 变体高 5.8 个百分点。

Google ResearchAI 评分2828

Google AgentHands：为 XR 空间智能体对话生成同步手势

Google 在 CHI 2026 发布研究原型 AgentHands，让 XR 中的 AI 智能体在说话时同步做出与语音对齐的手势，把抽象指令变成空间中的实体演示。系统通过眼动与场景重建注册物体 3D 包围盒，由后端 LLM 在回复中内嵌 GestureEvent，再在头显端用词级时间戳让手势与 TTS 精确同步。12 人被试内研究对比纯语音基线，结果显示空间指代效果显著提升。

Hugging Face Blog精选AI 评分6262

Multiverse Computing 提出 Quantization-Aware Healing，4-bit 压缩模型在 7/9 基准上超过其 bfloat16 版本

Multiverse Computing 发布论文《Quantization-Aware Healing: A Practical Recipe for Recovering Compressed, 4-Bit LLMs》，提出 QAH 方法：在结构压缩并量化后，直接从压缩前的原始模型蒸馏，而非从恢复出的 bfloat16 检查点蒸馏。

Import AIAI 评分2222

Import AI 470：机器不应享有权利；SPADE 自动生成训练环境；Hawkeye 优化 GPU kernel

METR 分析发现 AI 对科研的加速并不均衡：2026 年网络安全漏洞报告速度较 2025 年大幅加快，数学领域贡献有限，AI 研究本身的算法进展则未见可测加速。多校团队提出 SPADE 框架，让 LLM 交替生成可执行训练环境并求解，在 Qwen3-30B-A3B 上使游戏环境套件均分达 58.3，较基线提升 8.1。

Google ResearchAI 评分3838

Google 推出 Biomarker Discovery Framework：从可穿戴传感器数据中优先筛选候选生物标志物

Google 发布 Biomarker Discovery Framework，一个多智能体系统，将候选生物标志物优先级排序构建为人类监督下的迭代研究闭环，结合假设生成、并行统计分析、模型训练、对抗验证与文献推理。

Google ResearchAI 评分3333

Google Research 如何用移动性数据让语言模型更深入理解地点

Google Research 提出 Mobility-Embedded POIs（ME-POIs）框架，将匿名化移动性模式与文本描述结合，为地点生成同时编码身份与动态功能的嵌入向量。

Hugging Face Blog精选AI 评分6262

Hugging Face 研究：语音识别模型存在基准优化问题

Hugging Face 发布研究，用共识分歧、掩蔽实体检索和拼写切换三项探针量化语音识别中的基准优化现象，评测 11 个开源 ASR 模型。结果显示，部分高分模型会在音频与参考文本矛盾时复现基准的错误转写，VoxPopuli 分析样本中约 40% 的片段被标记出参考错误，涉及约 3% 的参考词，这类模型复现错误参考的比例为 18–30%。

微软 Skala 1.1 发布：训练数据增 2.5 倍，已接入 CP2K 并推进 Psi4、FHI-aims、ORCA、VASP 集成

微软研究院发布深度学习交换关联泛函 Skala 1.1，训练数据量为此前首个公开版本的 2.5 倍，在 GMTKN55 的 55 个类别中 32 项排名第一，加权平均误差 2.8 kcal/mol。Skala 现已在 CP2K 中可用，并正被集成进 Psi4、FHI-aims、ORCA 和 VASP，同时微软研究院推出持续追踪各版本计算性能的 living benchmark。

Hugging Face Blog精选AI 评分6262

ALTK-Evolve 研究：智能体到底需要多少记忆

IBM Research 在 Hugging Face 博客发布 ALTK-Evolve 研究，用 AppWorld 的 585 个多步任务评测八款模型，发现智能体记忆不是开关而是需要按模型校准的剂量。

Import AIAI 评分2626

Import AI 469：科学 AI、RSI 模拟器与扎克伯格的技术悲观主义

Import AI 第 469 期介绍了 DiG-bench（Discovery in Games）基准，包含 70 款规则与目标均隐藏、需靠探索发现的游戏，其中 21 款已公开。

Google ResearchAI 评分4444

Google PhotoScan：用手机照片估算体脂与胰岛素抵抗风险

Google 推出 PhotoScan，一个可从普通 2D 手机照片估算体脂率（BF%）、Android-to-Gynoid 脂肪比（A/G）和内脏-皮下脂肪面积比（V/S）的深度学习框架。

一条路、一道栅栏、一个结。MindTopo 为测试 AI 对拓扑关系的理解设立了新基准，并揭示了强化空间推理与规划的新机会。msft.it/6011aH02S

MindTopo 揭示多模态大模型的空间推理能力短板

微软研究院推出 MindTopo 基准，用于评测多模态大模型在连通性、封闭、顺序、分离与打结五类拓扑关系上的推理与规划能力。测试显示，模型在静态图像识别上表现明显优于交互式规划任务，且两者均远低于人类水平；失败多发生在规划阶段而非感知阶段，模型在场景变化中会丢失结构关系或提出违反物理约束的动作。图像与视频生成仅在单帧关系可见时偶有帮助，序列任务中仍不可靠。

Google ResearchAI 评分4848

Google Research：前沿 LLM 的事实性瓶颈在召回而非编码

Google Research 提出知识画像框架，用 WikiProfile 基准（2,150 条维基百科事实、每条配 10 道题）区分编码与召回，发现 Gemini-3-Pro 和 GPT-5 有 95–98% 的事实已编码，却仍无法直接召回 26–34%，即使开启思考也失败 11–12%。

Google Research精选AI 评分6767

Google Research 发布 AMIE（Video）：基于 Gemini 与 Project Astra 的实时视频问诊系统

Google Research 发布 AMIE（Video），一个基于 Gemini 和 Project Astra 的实时视频问诊配置，可感知非语言临床线索、引导患者演员完成虚拟体格检查并实时进行诊断推理。

微软研究院推出 CARE-X：面向临床可用的放射学 VLM，结合辅助监督、奖励对齐学习与工具增强测量

微软研究院发布研究模型 CARE-X，一个统一胸部 X 光 VLM，可同时完成报告生成、结构化预测与病灶定位等任务，并用强化学习（DAPO）在多任务设置下奖励临床正确性。

Hugging Face BlogAI 评分3434

Hugging Face ALTK-Evolve 如何用更少 Token 超越 ACE

Hugging Face 的 ALTK-Evolve 在 AppWorld 上以按需检索指南替代 ACE 的全量 playbook 注入，用更少 Token 取得更高任务完成率。

Import AIAI 评分3232

Import AI 468：23 条 RSI 政策建议、PostTrainBench+，以及信任与透明度如何影响 AI 竞赛

Import AI 第 468 期汇总了智库 IFP 提出的 23 条"低后悔"政策建议，分属 7 个类别，用于应对 AI 研发自动化带来的风险。MIT 与 Columbia 的论文《Racing to Ruin》分析称，竞争对手间实现协调减速取决于技术开发的透明度与对彼此可信度的判断：低信任下所有均衡都奔向灾难，高信任下两家理性企业永远竞赛的概率随理性先验比值平方衰减。

Hugging Face BlogAI 评分3838

Hugging Face 论文：用离线 Top-K Logits 与融合分块 KL 损失降低 LLM 知识蒸馏成本

Hugging Face 最新论文提出两项系统改动，让 LLM 知识蒸馏成本大幅下降：先离线缓存教师模型的 top-100 logits，使教师模型无需与学生模型同时驻留显存；再用融合分块 KL 损失，避免生成完整的词表×序列长度矩阵。

Google DeepMind精选AI 评分7777

Google DeepMind 的 WeatherNext 气旋预报精度提升，并开源模型

Google DeepMind 在 Nature 发表论文，称 WeatherNext AI 模型在预测气旋路径、强度和风场结构上达到 SOTA，平均多出一天（24 小时）的预报提前量，三天预报精度相当于此前模型的两天水平。

Import AIAI 评分6666

多伦多大学等机构构建可自我复制的AI蠕虫原型

多伦多大学、Vector Institute、剑桥大学与ServiceNow的研究者构建了一个AI蠕虫原型，利用被攻陷机器的GPU运行开源权重LLM进行推理，自主发现漏洞并发起攻击。该原型在漏洞检测上成功率约80%，利用漏洞约53%，自我复制约88%，完整攻击链整体成功率约37%。研究者称这证明自我维持的AI驱动网络威胁已不再是理论，并指出该蠕虫以去中心化群体方式运行，没有单点可被切断。

OpenAI 公布数学与理论计算机科学十项进展

OpenAI 公布在数学与理论计算机科学长期未解难题上的新结果，涵盖几何、密码学与复杂性领域。

Google Research精选AI 评分6262

Google 发布 Science One Framework：用 Chain-of-Evidence 实现可验证自主科研

Google Research 提出 Chain-of-Evidence（CoE）可验证性框架，并落地为自主科研原型 Science One Framework 与自动审计指标 CoE Audit。

Berkeley AI ResearchAI 评分5252

从 CUDA 到 MLX：K-Search 如何把数十年 kernel 经验带到 Apple Silicon

Berkeley Sky Lab 与 IBM Research 将演化式 kernel 搜索框架 K-Search 扩展到 MLX 后端，通过结构化 CUDA-to-MLX 翻译层把已有 CUDA kernel 知识迁移到 Apple Silicon。

Import AIAI 评分7474

Import AI 466：机器人领域的苦涩教训、AI 完成周级编程任务与 OpenAI 意外出现的 AI 黑客

Epoch 与 METR 发布 MirrorCode 基准，用于测试 AI 系统完成长周期编程任务的能力，Claude Opus 4.7 用 14 小时、251 美元推理成本解决了一个 METR 与 Epoch 估计人类需 2 至 17 周完成的任务，25 个目标程序中 17 个至少有一次满分运行，8 个从未达到 100% 阈值。

Berkeley AI ResearchAI 评分3535

Berkeley AI Research 提出 ABBEL：用信念状态监督让 LLM 高效长程交互

Berkeley AI Research 提出 ABBEL 框架，将 LLM 的交互摘要隔离为自然语言"信念状态"并加以监督评分，替代完整交互历史作为智能体的工作上下文。在协作编程基准 CollabBench 上，采用重建式信念评分的 ABBEL-rec-BG 将自摘要模型与全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 数也低于全上下文设置。

Google Research精选AI 评分6262

Google Research 发布 SymptomAI：面向日常症状评估的对话式 AI 智能体

Google Research 发布研究论文 SymptomAI，用五个 Gemini Flash 2.0 智能体开展 n=13,917 的全国随机研究，让参与者描述症状并生成鉴别诊断（DDx）。

Google ResearchAI 评分5151

Google Research 用强化学习控制量子纠错，让量子计算机从错误中学习

Google Research 在 Nature 发表论文，提出用强化学习框架让自主智能体从量子纠错检测事件中学习，在计算过程中持续调整数千个控制参数以对抗漂移。

Hugging Face BlogAI 评分2222

新模型来了，优势依旧：DharmaOCR 在巴西葡萄牙语 OCR 上仍领先 Mistral OCR4 与 Unlimited-OCR

DharmaOCR 在葡萄牙语专项基准上以 0.925 分领先 Mistral OCR4 的 0.798 和 Unlimited-OCR 的 0.7587，后两者分别落后约 13 分和 16 分以上。该模型经葡萄牙语监督微调加 DPO 两阶段训练，把全部参数集中于巴西葡萄牙语，在复杂文档提取质量和生成稳定性上形成结构性优势。文章认为，新架构并未改变这一领域专精带来的差距。

Google ResearchAI 评分3232

Google Research 揭示扩散模型创造力来源：score smoothing 如何让模型学会插值

Google Research 在 ICLR 2026 论文《On the Interpolation Effect of Score Smoothing in Diffusion Models》中解释了扩散模型的创造力来源。

Google ResearchAI 评分5858

Google 发布 SensorFM：面向可穿戴健康数据的通用基础模型

Google Research 发布 SensorFM，一个直接从无标注可穿戴数据学习的大型传感器基础模型，预训练语料来自五百万名同意参与者、超过一万亿分钟的多模态传感器信号，覆盖 100 多个国家和 20 多种 Fitbit 与 Pixel Watch 设备。

Google ResearchAI 评分3838

Google Research 如何用 Google Maps 路线干预缓解城市交通拥堵

Google Research 在 10 座美国城市开展大规模实验，通过修改 Google Maps 算法将不到 2% 的行程引导至拥堵路段之外的替代路线，使目标路段行驶速度中位数提升约 2%，燃油消耗率中位数下降 0.5% 至 1.0%。

Import AIAI 评分5252

Import AI 464：Fable 编写 GPU kernel、AI 自动化与模拟计算

Import AI 464 汇总多项 AI 研究进展。Fable 在 KernelBench-Mega 上写出被维护者称为首个真正且最快的 megakernel。

Hugging Face BlogAI 评分4444

ScarfBench：面向企业级 Java 框架迁移的 AI 智能体基准测试

Hugging Face 发布开源基准 ScarfBench，用于评估 AI 智能体在企业级 Java 框架迁移中的表现，覆盖 Spring、Jakarta EE、Quarkus 三大生态，含 34 个应用、102 个框架实现、204 个迁移任务和 1331 个专家测试。

Hugging Face BlogAI 评分3636

为什么专业化不可避免：优化理论、演化生物学与机器学习给出同一答案

针对 Goldfeder、Wyder、LeCun 与 Shwartz-Ziv 2026 年论文《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》，Dharma AI 撰文解读其核心论点：专业化是有限资源下的必然结果。

Hugging Face BlogAI 评分2424

DiScoFormer：一个 Transformer 同时估计密度与 score，跨分布通用

Hugging Face 博客介绍 DiScoFormer（Density and Score Transformer），一个模型在单次前向传播中即可从一组数据点估计分布的密度与 score，无需针对新分布重新训练。

Import AIAI 评分3636

Import AI 463：NVIDIA 用 ENPIRE 让机器人自我改进，中国 1 万卡 GPU 集群

NVIDIA 推出 ENPIRE 框架，让编码智能体自主驱动真实机器人完成策略改进闭环，在 PushT、整理插针盒、用切割器剪扎带等任务上达到 99% 成功率，测试硬件为双 YAM 机械臂加 RTX 5090 工作站。

Google Research精选AI 评分6262

Google 用冻结多 Token 预测加速 Pixel 上的 Gemini Nano 模型

Google Research 提出一种将多 Token 预测（MTP）头接到已冻结的 Gemini Nano v3 模型上的架构，已在 Pixel 9 和 10 系列上线，用于 AI 通知摘要和 Proofread 等功能。

Google ResearchAI 评分2727

Google 用线性弹性缓存优化云成本，Spanner 内存用量降 15.5%

Google Research 提出线性弹性缓存，将页面淘汰建模为滑雪租赁问题，用轻量机器学习动态调整缓存大小，在 Spanner 生产环境实测内存用量降低 15.5%、缓存未命中仅增加 5.5%、TCO 降低约 5%。该方案用浅层决策树为每个页面预测 TTL，缓存写满时仍由 LRU 兜底，并在多个公开缓存 trace 上与 GDSF 基线对比验证。